Model performansını değerlendirme
R'de Orta Düzey Regresyon
Richie Cotton
Data Evangelist at DataCamp
Model performans metrikleri
Belirleme katsayısı (R‑kare): doğrusal regresyon doğrusunun gözlemlere uyumu.
- Daha büyük iyidir.
Artıkların standart hatası (RSE): artıkların tipik büyüklüğü.
- Daha küçük iyidir.
Belirleme katsayısını almak
library(dplyr)
library(broom)
mdl_mass_vs_length %>%
glance() %>%
pull(r.squared)
0.8226
mdl_mass_vs_species %>%
glance() %>%
pull(r.squared)
0.7163
mdl_mass_vs_both %>%
glance() %>%
pull(r.squared)
0.9694
Düzeltilmiş belirleme katsayısı
- Daha fazla açıklayıcı değişken R^2’yi artırır.
- Çok fazla açıklayıcı değişken aşırı uyuma yol açar.
- Düzeltilmiş belirleme katsayısı, ek değişkenleri cezalandırır.
- $\bar{R ^ 2} = 1 - (1 - R ^ 2) \frac{n_{obs} - 1}{n_{obs} - n_{var} - 1}$
- Ceza, R^2 küçükken veya n_{var}, n_{obs}’un büyük bir kısmıyken belirgindir.
glance()içindeadj.r.squaredöğesidir.
Düzeltilmiş belirleme katsayısını almak
library(dplyr)
library(broom)
mdl_mass_vs_length %>%
glance() %>%
select(r.squared, adj.r.squared)
r.squared adj.r.squared
<dbl> <dbl>
1 0.8226 0.8212
mdl_mass_vs_species %>%
glance() %>%
select(r.squared, adj.r.squared)
r.squared adj.r.squared
<dbl> <dbl>
1 0.7163 0.7072
mdl_mass_vs_both %>%
glance() %>%
select(r.squared, adj.r.squared)
r.squared adj.r.squared
<dbl> <dbl>
1 0.9694 0.9682
Artıkların standart hatasını almak
library(dplyr)
library(broom)
mdl_mass_vs_length %>%
glance() %>%
pull(sigma)
152.1
mdl_mass_vs_species %>%
glance() %>%
pull(sigma)
313.6
mdl_mass_vs_both %>%
glance() %>%
pull(sigma)
103.4
Hadi pratik yapalım!
R'de Orta Düzey Regresyon
